【文章內(nèi)容簡介】 多打電話。通過對每次電話交流的效果進行評分，呼出管理功能可自動控制那些收效較強的名單的使用，將注意力集中在收效較強的名單上。這樣，可更快地達(dá)到預(yù)定的廣告目標(biāo)?！　。?）提供座席代表的工作效率。一般來說，呼叫中心的最大支出便是座席代表的運行成本。利用軟撥號功能，可消除人工造成的撥號錯誤，縮短呼叫中心座席代表的非生產(chǎn)性時間。座席代表不用浪費寶貴的時間去撥打電話、傾聽非生產(chǎn)性的鈴聲和忙音信號，而只需接聽有人接聽的電話。如果對方是答錄機響應(yīng)，座席代表也不用接聽。這樣，減少了非生產(chǎn)性電話的浪費，節(jié)約了更多時間，單位時間內(nèi)可聯(lián)系到更多的客戶，從而提高了呼叫中心的生產(chǎn)率和公司的整體贏利狀況?！　。?）撥號反饋與結(jié)果。呼出管理軟件可為呼叫中心的管理人員提供關(guān)鍵的報表信息，讓管理人員對呼出宣傳的效果進行評價，并判斷是否需要修正電話營銷方案，以達(dá)到既定宣傳目標(biāo)。這些報表包括每份呼叫清單的每分鐘的呼叫業(yè)務(wù)量、每份清單中的銷售線索活動、各份清單中剩余的記錄、何時才能結(jié)束與清單中的客戶的聯(lián)系等等。 分析性CRM在當(dāng)今企業(yè)CRM的應(yīng)用中，之所以與其相匹配的BI/DSS的需求呼聲日益高漲，主要原因是：在商業(yè)智能和決策支持解決方案的幫助下，企業(yè)可以通過充分挖掘現(xiàn)有的客戶數(shù)據(jù)資源，捕獲信息、分析信息、溝通信息，發(fā)現(xiàn)許多過去缺乏認(rèn)識或未被認(rèn)識的數(shù)據(jù)關(guān)系。使得企業(yè)對客戶的需求能有更及時更充分的理解，能夠幫助企業(yè)管理者做出更好的商業(yè)決策，并藉此提升企業(yè)核心競爭力。企業(yè)不再滿足原有信息管理系統(tǒng)簡單的信息統(tǒng)計匯總，而是更多地關(guān)注能否全面獲得客戶和市場的資料，能否借助現(xiàn)代化的技術(shù)對繁多復(fù)雜的現(xiàn)實數(shù)據(jù)其客觀本質(zhì)規(guī)律進行深入理解、認(rèn)識，并做出專業(yè)化的正確判斷。　　分析型CRM能夠分析出企業(yè)的問題，并且能夠找出問題的原因，而且能夠?qū)淼内厔莺托袨檫M行預(yù)測，從而很好地支持人們的決策，比如，經(jīng)過對公司整個數(shù)據(jù)庫系統(tǒng)的分析，它可以回答諸如“哪個客戶對我們公司的郵件推銷活動最有可能作出反應(yīng)，為什么”等問題?！　≡谄髽I(yè)隔離客戶生命周期的各個階段都會用到數(shù)據(jù)挖掘技術(shù)。分析型CRM能夠幫助企業(yè)確定客戶的特點，從而可以為客戶提供有針對性的服務(wù)。通過數(shù)據(jù)挖掘，可以發(fā)現(xiàn)購買某一商品的客戶的特征，從而可以向那些也同樣具有這些特征卻沒有購買的客戶推銷這個商品；若找到流失的客戶的特征，就可以在那些具有相似特征的客戶還未流失之前，采取針對性的措施。 分析型CRM主要用途分析客戶特征。為了制定出個性化的營銷手段，分析客戶特征是首要工作。企業(yè)不僅會想方設(shè)法了解顧客的地址、年齡、性別、收入、職業(yè)、教育程度等基本信息，對婚姻、配偶、家庭狀況、疾病、愛好等等的收集也是不遺余力?！　》治觥包S金客戶”。通過客戶行為分析，挖掘出消費額最高、最為穩(wěn)定的客戶群，確定為“黃金客戶”。針對不同的客戶檔次，確定相應(yīng)的營銷投入。對于“黃金客戶”，往往還需要制定個性化營銷策略，以求留住高利潤客戶。所以，不要期待在CRM時代繼續(xù)人人平等。當(dāng)然，成功的CRM不會讓顧客感覺到歧視?！　》治隹蛻絷P(guān)注點。通過與客戶接觸，收集大量客戶消費行為信息，通過挖掘，得出客戶最關(guān)注的方面，從而有針對性地進行營銷活動，把錢花在“點”上。同樣的廣告內(nèi)容，根據(jù)客戶不同的行為習(xí)慣，有的人會接到電話，有的人就可能收到信函；同一個企業(yè)，會給他們的客戶發(fā)送不同的信息，而這些信息往往正是顧客感興趣的?！　～@得客戶。對大多數(shù)行業(yè)來說，企業(yè)的增長需要不斷地獲得新的客戶。新的客戶包括以前沒有聽說過企業(yè)產(chǎn)品的人、以前不需要產(chǎn)品的人和競爭對手的客戶。數(shù)據(jù)挖掘能夠辨別潛在客戶群，并提高市場活動的相應(yīng)率。　　交叉銷售?，F(xiàn)在企業(yè)和客戶之間的關(guān)系是經(jīng)常變動的，一旦一個人或者一個公司成為企業(yè)的客戶，企業(yè)就要盡力保持這種客戶關(guān)系?？蛻絷P(guān)系的最佳境界體現(xiàn)在三個方面：；；。因此，企業(yè)需要對已有的客戶進行交叉銷售。交叉銷售是指企業(yè)向原有客戶銷售新的產(chǎn)品或服務(wù)的過程。交叉銷售是建立在雙贏的基礎(chǔ)之上的，客戶因得到更多更好符合其需求的服務(wù)而獲益，企業(yè)也因銷售增長而獲益。在企業(yè)所掌握的客戶信息，尤其是以前購買行為的信息中，可能正包含著這個客戶決定下一次購買行為的關(guān)鍵因素。 分析型CRM的主要功能客觀地講，分析型CRM通常具有較強烈企業(yè)個性化色彩，企業(yè)的行業(yè)特征越強，該色彩就越濃烈。但也存在相當(dāng)一部分的共性需求，如客戶、產(chǎn)品銷售、市場、服務(wù)的眾多分析就是最普遍應(yīng)用的領(lǐng)域。各行企業(yè)都要了解和監(jiān)視對不同類別客戶、不同地區(qū)，不同產(chǎn)品種類，不同銷售部門和員工在不同時間下的銷售進程、財務(wù)狀態(tài)；了解和掌控企業(yè)的客戶綜合狀態(tài)、產(chǎn)品綜合狀態(tài)、競爭對手綜合狀態(tài)和市場、銷售與服務(wù)環(huán)節(jié)等的具體內(nèi)涵?！　∈袌龇治觯簩Ω黝愂袌龅幕顒?、費用、市場反饋、市場線索進行分析，幫助市場人員全程把握市場活動。對市場的廣告宣傳、市場情報進行統(tǒng)計分析，供市場各類宣傳決策。分析合作伙伴、潛在合作伙伴的各種背景、潛力、實際營運狀態(tài)，協(xié)助合作伙伴的發(fā)展和維系?！　′N售分析：在銷售環(huán)節(jié)，針對客戶：實現(xiàn)客戶銷售量、銷售排名、銷售區(qū)域、銷售同期比、收款－應(yīng)收、客戶新增、重復(fù)購買、交叉銷售、客戶關(guān)懷全面分析。針對產(chǎn)品：實現(xiàn)產(chǎn)品銷售量、排名、區(qū)域、同期比、產(chǎn)品銷售價格、利潤、新產(chǎn)品銷售構(gòu)成、久未交易產(chǎn)品、新產(chǎn)品銷售構(gòu)成等的全面分析。針對部門：實現(xiàn)部門/員工銷售量、排名、同期比、收款－欠款、指標(biāo)完成情況、滿意－投訴等的全面分析。此外，實現(xiàn)合同類型、合同執(zhí)行情況、產(chǎn)品利潤、客戶利潤、部門利潤、商機費用、客戶費用、部門費用、線索來源、線索商機轉(zhuǎn)換、商機成功率、綜合銷售漏斗、合作伙伴銷售等的全面分析。　　產(chǎn)品分析：根據(jù)市場、銷售、服務(wù)各環(huán)節(jié)的反饋，實現(xiàn)產(chǎn)品的銷售增長率、質(zhì)量－缺陷、質(zhì)量費用、生命周期、產(chǎn)品屬性、產(chǎn)品銷售能力、獲利能力、市場占有率、競爭能力、市場容量等的分析。　　客戶分析：在客戶統(tǒng)一管理的層面上，實現(xiàn)客戶屬性、消費行為、與企業(yè)的關(guān)系、客戶價值、客戶服務(wù)、信譽度、滿意度、忠誠度、客戶利潤、客戶流失、惡意行為、客戶產(chǎn)品、客戶促銷、客戶未來等的全面分析?！　「偁幏治觯和ㄟ^對競爭對手同類產(chǎn)品信息的收集和統(tǒng)計，實現(xiàn)與競爭對手價格、地區(qū)、產(chǎn)品性能、廣告投入、市場占有率、項目成功率、促銷手段、渠道能力等方面的競爭優(yōu)勢分析。實現(xiàn)不同地區(qū)、不同產(chǎn)品、不同競爭對手的競爭策略分析。預(yù)測：對未來銷售量、銷售價格、市場潛力、新產(chǎn)品定價等企業(yè)經(jīng)營決策特別關(guān)心的內(nèi)容，通過適當(dāng)?shù)念A(yù)測模型，進行多維度的剖析，方便決策。 分析型CRM解決方案（1）數(shù)據(jù)倉庫　　數(shù)據(jù)倉庫是支持管理決策過程的、面向主題的、集成的、隨時間而變的、持久的數(shù)據(jù)集合。從廣義上講，數(shù)據(jù)倉庫就是一個專門的數(shù)據(jù)倉儲,用來保存這樣一些數(shù)據(jù)：來自于異地、異構(gòu)的數(shù)據(jù)源或數(shù)據(jù)庫的數(shù)據(jù)經(jīng)過加工后在數(shù)據(jù)倉庫中存儲、提取和維護。數(shù)據(jù)倉庫系統(tǒng)(DWS)的體系結(jié)構(gòu)如下圖所示。　　整個數(shù)據(jù)倉庫系統(tǒng)由查詢與分析工具、管理部件、數(shù)據(jù)倉庫、翻譯器、監(jiān)控器、集成器組成。數(shù)據(jù)倉庫包括實視圖和元數(shù)據(jù)，實視圖由其它數(shù)據(jù)源中的數(shù)據(jù)導(dǎo)出。①信息源：可以是傳統(tǒng)數(shù)據(jù)庫，也可以是文件、HTML文件、知識庫等。②翻譯器：翻譯器的數(shù)據(jù)翻譯的工作包括數(shù)據(jù)結(jié)構(gòu)的翻譯和數(shù)據(jù)類型的翻譯，必要時還需對數(shù)據(jù)之間的語義聯(lián)系進行重新構(gòu)造。③監(jiān)控器：數(shù)據(jù)倉庫中的實視圖是一種“離線”數(shù)據(jù)，與源數(shù)據(jù)在一致性上存在著時間差，監(jiān)控器負(fù)責(zé)監(jiān)視數(shù)據(jù)倉庫與數(shù)據(jù)源之間的數(shù)據(jù)誤差或者說是數(shù)據(jù)增量，并報告給上層的集成器。④集成器　　集成器除了負(fù)責(zé)進行數(shù)據(jù)倉庫初始化之外，還負(fù)責(zé)接受監(jiān)控器的變化報告，并將數(shù)據(jù)源的新變化根據(jù)有關(guān)定義轉(zhuǎn)化到數(shù)據(jù)倉庫中。⑤管理部件　　負(fù)責(zé)實現(xiàn)數(shù)據(jù)共享、安全保密、歸檔、備份、恢復(fù)及元數(shù)據(jù)的管理等工作。⑥查詢與分析工具　　用于完成實際決策問題所需的各種查詢檢索工具、多維數(shù)據(jù)的OLAP分析工具、數(shù)據(jù)挖掘(DM)工具等，以實現(xiàn)決策支持系統(tǒng)的各種要求。多維數(shù)據(jù)庫是目前實現(xiàn)決策用的數(shù)據(jù)管理系統(tǒng)中受到企業(yè)廣泛應(yīng)用的一種數(shù)據(jù)倉庫技術(shù)。多維數(shù)據(jù)庫中的“維”就是企業(yè)進行主題分析預(yù)測時可以變化的角度。譬如,以一個企業(yè)在全國各地的產(chǎn)品銷售為例：分析的角度可以按時間逐年、季、月、周、日的統(tǒng)計分析；按地區(qū)國家、省市、地縣的統(tǒng)計分析；按產(chǎn)品大類直至具體產(chǎn)品的統(tǒng)計分析；按部門直至員工的統(tǒng)計分析；按客戶行業(yè)、產(chǎn)品特點、消費行為等等屬性的統(tǒng)計分析；這里的時間、地區(qū)、部門、產(chǎn)品、客戶等就是不同的維。多維數(shù)據(jù)庫 為面向主題的分析決策提供了更大的靈活性。它支持對按總體統(tǒng)計的詳略級別組織的數(shù)據(jù)進行特殊查詢,從宏觀的結(jié)果逐步向下跟蹤產(chǎn)生這些結(jié)果的微觀數(shù)據(jù),或者反過來由底層微觀數(shù)據(jù)逐步向上得到高層的宏觀結(jié)果?！　‰S著數(shù)據(jù)倉庫的發(fā)展和應(yīng)用范圍的不斷擴大，基于數(shù)據(jù)倉庫的決策支持系統(tǒng)(DSS)應(yīng)運而生：數(shù)據(jù)倉庫中已經(jīng)存放了大量的高質(zhì)量數(shù)據(jù)，只要通過分析工具對它們進行綜合、統(tǒng)計、分析,就能得到多種形式的決策數(shù)據(jù)，提供有利的決策支持。而分析工具中又以數(shù)據(jù)挖掘技術(shù)(DMDataMining)的應(yīng)用最為突出。（2）數(shù)據(jù)挖掘技術(shù)　　數(shù)據(jù)挖掘是指從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中提取隱含的、未知的、非平凡的及有潛在應(yīng)用價值的信息或模式，它是數(shù)據(jù)庫研究中的一個很有應(yīng)用價值的新領(lǐng)域，融合了數(shù)據(jù)庫、人工智能、機器學(xué)習(xí)、統(tǒng)計學(xué)等多個領(lǐng)域的理論和技術(shù)。　　從CRM軟件所搜集的數(shù)據(jù)是最能幫助企業(yè)了解客戶的，所謂的“一對一”營銷也是注重在了解客戶的需求，以便投其所好，以促成交易。數(shù)據(jù)是死的，但是如果能運用一些數(shù)學(xué)或統(tǒng)計模式，發(fā)現(xiàn)數(shù)據(jù)中存在的關(guān)系和規(guī)則，根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測未來的發(fā)展趨勢，那么就可以為管理者提供決策支持。　　數(shù)據(jù)挖掘工具能夠?qū)淼内厔莺托袨檫M行預(yù)測，從而很好地支持人們的決策，比如，經(jīng)過對公司整個數(shù)據(jù)庫系統(tǒng)的分析，它可以回答諸如“哪個客戶對我們公司的郵件推銷活動最有可能作出反應(yīng)，為什么”等問題。有些數(shù)據(jù)挖掘工具還能夠解決一些很消耗人工時間的傳統(tǒng)問題，因為它們能夠快速地瀏覽整個數(shù)據(jù)庫，找出一些不易察覺但極有用的信息。因此可以說CRM的成功在于成功的數(shù)據(jù)倉庫、數(shù)據(jù)挖掘及知識發(fā)現(xiàn)?！　”容^典型的數(shù)據(jù)挖掘方法有關(guān)聯(lián)分析、序列模式分析、分類分析、聚類分析等。它們可以應(yīng)用到以客戶為中心的企業(yè)決策分析和管理的各個不同領(lǐng)域和階段。①關(guān)聯(lián)分析　　關(guān)聯(lián)分析，即利用關(guān)聯(lián)規(guī)則進行數(shù)據(jù)挖掘。關(guān)聯(lián)分析的目的是挖掘隱藏在數(shù)據(jù)間的相互關(guān)系，它能發(fā)現(xiàn)數(shù)據(jù)庫中形如“90%的顧客在一次購買活動中購買商品A的同時購買商品B”之類的知識。②序列模式分析　　序列模式分析和關(guān)聯(lián)分析相似，但側(cè)重點在于分析數(shù)據(jù)間的前后序列關(guān)系。它能發(fā)現(xiàn)數(shù)據(jù)庫中形如“在某一段時間內(nèi)，顧客購買商品A，接著購買商品B，而后購買商品C，即序列A→B→C出現(xiàn)的頻度較高”之類的知識，序列模式分析描述的問題是：在給定交易序列數(shù)據(jù)庫中，每個序列是按照交易時間排列的一組交易集，挖掘序列函數(shù)作用在這個交易序列數(shù)據(jù)庫上，返回該數(shù)據(jù)庫中出現(xiàn)的高頻序列。在進行序列模式分析時，同樣也需要由用戶輸入最小置信度C和最小支持度S。③分類分析　　設(shè)有一個數(shù)據(jù)庫和一組具有不同特征的類別(標(biāo)記)，該數(shù)據(jù)庫中的每一個記錄都賦予一個類別的標(biāo)記，這樣的數(shù)據(jù)庫稱為示例數(shù)據(jù)庫或訓(xùn)練集。分類分析就是通過分析示例數(shù)據(jù)庫中的數(shù)據(jù)，為每個類別做出準(zhǔn)確的描述或建立分析模型或挖掘出分類規(guī)則，然后用這個分類規(guī)則對其它數(shù)據(jù)庫中的記錄進行分類。④聚類分析　　聚類分析輸入的是一組未分類記錄，并且這些記錄應(yīng)分成幾類事先也不知道，通過分析數(shù)據(jù)庫中的記錄數(shù)據(jù)，根據(jù)一定的分類規(guī)則，合理地劃分記錄集合，確定每個記錄所在類別。它所采用的分類規(guī)則是由聚類分析工具決定的。采用不同的聚類方法，對于相同的記錄集合可能有不同的劃分結(jié)果?！　?yīng)用數(shù)據(jù)挖掘技術(shù)，較為理想的起點就是從一個數(shù)據(jù)倉庫開始，這個數(shù)據(jù)倉庫里面應(yīng)保存著所有客戶的合同信息，并且還應(yīng)有相應(yīng)的市場競爭對手的相關(guān)數(shù)據(jù)。數(shù)據(jù)挖掘可以直接跟蹤數(shù)據(jù)并輔助用戶快速做出商業(yè)決策，并且用戶還可以在更新數(shù)據(jù)的時候不斷發(fā)現(xiàn)更好的行為模式，并將其運用于未來的決策中。（3）數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用　　如圖，普遍的分析型CRM解決架構(gòu)如下：　　企業(yè)分析型CRM解決方案模型　　上圖所示的這個需求解決方案模型并不是著力于分析型CRM基于的“數(shù)據(jù)挖掘”技術(shù)架構(gòu)，而是著力于企業(yè)經(jīng)營管理者所期盼的業(yè)務(wù)應(yīng)用邏輯需求，其核心就是滿足企業(yè)面向主題的分析和決策的需求。 企業(yè)經(jīng)營者們面對著復(fù)雜多變的市場環(huán)境，需要從多種角度進行多主題的分析。因此，需要的不是企業(yè)信息管理系統(tǒng)中各種信息數(shù)據(jù)爆炸性的直接呈現(xiàn)，需要的是將這些數(shù)據(jù)分門別類地集中，源源不斷地提供給面向具體業(yè)務(wù)主題的分析?！　嶋H當(dāng)中，主題分析基本分成二大類：一大類是主要面對市場和客戶環(huán)節(jié)的主題分析，另一大類則為審視企業(yè)內(nèi)部的相應(yīng)業(yè)務(wù)分析。為此，需要根據(jù)主題具體要求,抽取相對應(yīng)的分類主題管理數(shù)據(jù)，同時在抽取過程中要對原始數(shù)據(jù)進行分類、求和、統(tǒng)計等處理,抽取的過程實際上是數(shù)據(jù)的再組織。在抽取過程中,還要求完成數(shù)據(jù)凈化,即去掉不合格的原始數(shù)據(jù),必要時還必須對缺損的數(shù)據(jù)加以補充。在改變分析、決策的主題時,要求可以按主題進行對應(yīng)的數(shù)據(jù)查詢與訪問。同時，面對主題的分析，時常涉及處理數(shù)據(jù)量龐大，處理運算關(guān)系復(fù)雜的情況，因此還要求系統(tǒng)滿足脫機大容量存儲、聯(lián)機磁盤存儲、內(nèi)存存儲的多級存儲模式。傳統(tǒng)的管理系統(tǒng)數(shù)據(jù)庫無法直接滿足這類需求，人們常把滿足上述功能需求的數(shù)據(jù)管理系統(tǒng)稱為數(shù)據(jù)倉庫系統(tǒng)。換句話說，數(shù)據(jù)倉庫系統(tǒng)是應(yīng)用企業(yè)CRM、ERP的現(xiàn)實業(yè)務(wù)信息數(shù)據(jù)，進行面向主題分析企業(yè)經(jīng)營決策系統(tǒng)的橋梁，它通過將業(yè)務(wù)數(shù)據(jù)庫的數(shù)據(jù)進行整理(預(yù)處理)和凈化之后，形成了可靠的易于進行決策分析的企業(yè)信息數(shù)據(jù)源－“數(shù)據(jù)集市”、“多維數(shù)據(jù)庫”。在實際應(yīng)用中，數(shù)據(jù)抽取與凈化、存儲及組織等,都是建立數(shù)據(jù)倉庫的關(guān)鍵技術(shù)。除此之外,在設(shè)計數(shù)據(jù)倉庫時,還應(yīng)特別重視數(shù)據(jù)的粒度與劃分問題。第四講 CRM的客戶分析客戶是客戶關(guān)系管理中最寶貴的資源，從不同的角度對客戶進行分析將有利于企業(yè)采取針對性的措施，在更好的為客戶提供服務(wù)的同時，獲得更大的回報。本章從客戶細(xì)分、客戶滿意度、客戶忠誠度、客戶流失、客戶消費行為、個性化服務(wù)以及一對一營銷等方面進行了 客戶細(xì)分分析 正確理解細(xì)分細(xì)分是指將一個大消費群體劃分成一個個細(xì)分群的過